tensorflow dynamic_rnnとrnnの違いは何ですか？
tf.nnには、RNNに関連するいくつかのクラスがあります。 Webで見つけた例では、tf.nn.dynamic_rnnとtf.nn.rnnは同じ意味で使用されているようです。違いはなんですか？
TensorflowのRNN、実用ガイドおよびドキュメント化されていない機能 Denny Britz著、2016年8月21日発行。
tf.nn.rnnは、固定されたRNN長の展開されたグラフを作成します。つまり、200個のタイムステップを持つ入力でtf.nn.rnnを呼び出すと、200個のRNNステップを持つ静的グラフが作成されます。まず、グラフの作成が遅いです。次に、最初に指定したよりも長いシーケンス（> 200）を渡すことができません。
tf.nn.dynamic_rnnはこれを解決します。tf.Whileループを使用して、実行時にグラフを動的に構築します。つまり、グラフの作成が高速になり、さまざまなサイズのバッチをフィードできます。
それらはほぼ同じですが、入力と出力の構造に少し違いがあります。ドキュメントから：
tf.nn.dynamic_rnnこの関数は、上記の関数
rnnと機能的に同じですが、入力の完全に動的な展開を実行します。
rnnとは異なり、入力入力はPythonフレームごとに1つのテンソルのリストではありません。代わりに、入力は最大時間が最初または2番目の次元（パラメーターtime_majorを参照）または、それぞれが一致するバッチ次元と時間次元を持つ（おそらくネストされた）テンソルのタプルでもかまいません。対応する出力は、タイムステップとバッチサイズ、またはcell.output_sizeのネストされた構造に一致する、このようなテンソルの（おそらくネストされた）タプル。
詳細については、 source をご覧ください。